Se desarrolló el "clasificador de células definitivo": combinando la imagen de células deformadas y la IA
El método de alta velocidad para identificar y clasificar las células no requiere un etiquetado externo de las mismas.
En la medicina y la biología hay un gran interés en métodos eficientes y económicos para identificar y separar diferentes tipos de células, por ejemplo, para el diagnóstico médico o para las terapias regenerativas que utilizan células madre. Hasta ahora, el método elegido ha sido la llamada citometría de flujo, en la que las células son etiquetadas con anticuerpos fluorescentes y luego identificadas a medida que fluyen por un canal. Sin embargo, este método tiene sus puntos débiles: No sólo es relativamente caro y consume mucho tiempo, sino que los anticuerpos en sí mismos pueden ser problemáticos. Como son exógenos, pueden cambiar las propiedades de las células a las que se acoplan y pueden causar dificultades, por ejemplo, cuando se inyectan en el cuerpo. Además, la identificación de las células no siempre está libre de errores en la citometría de flujo.
La impresión del artista de la clasificación basada en la IA de una muestra de sangre en un citómetro de flujo
Max-Planck-Institut für die Physik des Lichts
Para ayudar a abordar estos puntos, las propiedades físicas de las células pueden utilizarse como una característica distintiva adicional: Debido al citoesqueleto, una fina red de filamentos dentro de la estructura celular, cada tipo de célula tiene propiedades mecánicas características como la forma, el tamaño y, en particular, la deformabilidad. El equipo encabezado por Jochen Guck, Director del Instituto Max Planck para la Ciencia de la Luz, había desarrollado una nueva técnica basada en esto hace unos años: Citometría de deformabilidad en tiempo real (RT-DC). En esta técnica, una suspensión celular es presionada a través de un canal transparente más delgado que el cabello en diámetro. Las células son entonces estiradas sin daño y el grado de deformación permite una asignación a un tipo de célula específico.
Los tipos de células se asignan con la ayuda de una cámara de alta velocidad que registra las células deformadas en el canal a 2.000 o 4.000 imágenes por segundo. Esto es comparable con los vídeos en los que se puede ver un globo estallar en cámara lenta. Las imágenes son evaluadas con un software especial que evalúa ciertas propiedades celulares previamente definidas en tiempo real. Esta evaluación en tiempo real, en la que cada célula es identificada inmediatamente a medida que fluye por el canal, es ahora la base de la primera innovación: permite que las células sean desviadas a un canal de recolección después de la identificación. Por primera vez, las células pueden ser clasificadas en función de su deformabilidad.
Otra novedad es combinar el RT-DC con la inteligencia artificial: Cientos de miles de imágenes de células individuales son una base ideal para entrenar una red neuronal para reconocer diferentes tipos de células. El algoritmo de la IA puede entonces identificar células a una velocidad no alcanzada previamente y también clasificarlas en tiempo real como se desee.
Guck compara este enfoque con la fuerza de Google: "Si los dueños de los gatos publican millones de fotos de gatos en Internet y escriben algo como 'mi gato', el algoritmo de búsqueda está entrenado en la imagen y el comentario para reconocer las características que hacen a un gato. Si alguien busca 'gato' en Google, el algoritmo puede entrenar a la red neural para identificar las fotos con las propiedades del gato y filtrarlas de todas las demás fotos de mascotas. "
Con el nuevo método de Guck, la situación es similar: Como las moléculas fluorescentes se seleccionan de tal manera que sólo se acoplen a determinadas células, la iluminación de una molécula fluorescente corresponde al comentario "mi gato". La foto de la célula con todas sus propiedades corresponde a la foto del gato. De esta manera, la red neuronal aprende que el encendido está conectado a un tipo específico de célula y puede establecer una conexión con la foto asociada de la célula. Si la red neural ha sido entrenada suficientemente para un tipo de célula por el marcador de fluorescencia, el marcador puede finalmente omitirse por completo y el tipo de célula también se reconoce sin fluorescencia, del mismo modo que el algoritmo de Google ha aprendido a reconocer los gatos sin comentarios adicionales.
Este nuevo método tiene muchas ventajas: Después de entrenar la red neuronal, ya no es necesario el largo y costoso marcado por fluorescencia para la identificación y las células ya no son cambiadas por moléculas extrañas. En este punto, las imágenes tomadas por la cámara de alta velocidad son suficientes para identificar las células. Este procedimiento es muy suave con las células, no cambia las propiedades de las mismas y puede analizar hasta 1.000 células por segundo. La aplicación de la inteligencia artificial a la RT-DC también ofrece la ventaja de que los parámetros, en base a los cuales se puede determinar el reconocimiento de una célula o un cambio celular por enfermedad, no tienen que ser definidos de antemano. Se puede dejar que la IA decida qué información de la imagen es mejor para diferenciar las células.
Guck denomina al método recientemente desarrollado, que se ha publicado ahora en la revista Nature Methods, un "clasificador celular definitivo": combina la precisión de la detección establecida por medio de la fluorescencia con la sensibilidad de las propiedades mecánicas celulares inherentes y tiene el potencial de convertirse en un futuro método estándar que se utilizará en todos los laboratorios biológicos y biomédicos. En el futuro será posible, por ejemplo, recuperar rápidamente de una muestra las células madre hematopoyéticas, que pueden inyectarse a un paciente de quimioterapia para reconstruir el sistema inmunológico, o clasificar células fotorreceptoras especialmente adecuadas de organoides humanos para evitar ciertas formas de ceguera por transplante.
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Publicación original
Más noticias del departamento ciencias
Reciba la industria de las ciencias biológicas en su bandeja de entrada
No se pierda nada a partir de ahora: Nuestro boletín electrónico de biotecnología, productos farmacéuticos y ciencias de la vida le pone al día todos los martes y jueves. Las últimas noticias del sector, los productos más destacados y las innovaciones, de forma compacta y fácil de entender en su bandeja de entrada. Investigado por nosotros para que usted no tenga que hacerlo.
